python使用threading获取线程函数返回值的实现方法
这篇文章主要介绍了python使用threading获取线程函数返回值的实现方法,需要的朋友可以参考下
threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。python当前版本的多线程库没有实现优先级、线程组，线程也不能被停止、暂停、恢复、中断。
threading模块提供的类：
Thread, Lock, Rlock, Condition, [Bounded]Semaphore, Event, Timer,
local。
threading 模块提供的常用方法：
threading.currentThread(): 返回当前的线程变量。
threading.enumerate():
返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。
threading.activeCount():
返回正在运行的线程数量，与len(threading.enumerate())有相同的结果。
threading 模块提供的常量：
threading.TIMEOUT_MAX 设置threading全局超时时间。
好了，正文开始：
最近需要用python写一个环境搭建工具，多线程并行对环境各个部分执行一些操作，并最终知道这些并行执行的操作是否都执行成功了，也就是判断这些操作函数的返回值是否为0。但是threading并没有显式的提供获取各个线程函数返回值的方法，只好自己动手，下面就介绍一下自己的实现方式。
一开始考虑到执行的操作可能有很多，而且后续会不断补充，因此先写了一个通用的多线程执行类，封装线程操作的基本方法，如下：
import threading
class MyThread(object):
def __init__(self, func_list=None):
#所有线程函数的返回值汇总，如果最后为0，说明全部成功
self.ret_flag = 0
self.func_list = func_list
self.threads
= []
def set_thread_func_list(self, func_list):
"""
@note:
func_list是一个list，每个元素是一个dict，有func和args两个参数
"""
self.func_list = func_list
def start(self):
"""
@note:
启动多线程执行，并阻塞到结束
"""
self.threads
= []
self.ret_flag = 0
for
func_dict in self.func_list:
if func_dict["args"]:
t = threading.Thread(target=func_dict["func"],
args=func_dict["args"])
else:
t = threading.Thread(target=func_dict["func"])
self.threads.append(t)
for
thread_obj in self.threads:
thread_obj.start()
for
thread_obj in self.threads:
thread_obj.join()
def ret_value(self):
"""
@note:
所有线程函数的返回值之和，如果为0那么表示所有函数执行成功
"""
return
self.ret_flag
MyThread类会接受一个func_list参数，每个元素是一个dict，有func和args两个key，func是真正要执行的函数引用，args是函数的参数。其中最主要的方法是start方法，会多线程执行每个func，然后一直等到所有线程都执行结束后退出。接下来的关键就是如何对self.ret_flag设置正确的值，以判断所有的线程函数是否都返回0了。
我的实现是，在MyThread
class中写一个方法trace_func，作为直接的线程函数，这个trace_func中执行真正需要执行的函数，从而可以获取到该函数的返回值，设置给self.ret_flag。
这个trace_func的第一参数是要执行的func引用，后面是这个func的参数，具体代码如下：
def start(self):
"""
@note: 启动多线程执行，并阻塞到结束
"""
self.threads = []
self.ret_flag = 0
for func_dict in self.func_list:
if
func_dict["args"]:
new_arg_list = []
new_arg_list.append(func_dict["func"])
for arg in func_dict["args"]:
new_arg_list.append(arg)
new_arg_tuple = tuple(new_arg_list)
t = threading.Thread(target=self.trace_func,
args=new_arg_tuple)
else:
t = threading.Thread(target=self.trace_func,
args=(func_dict["func"],))
self.threads.append(t)
for thread_obj in self.threads:
thread_obj.start()
for thread_obj in self.threads:
thread_obj.join()
这样能够成功获得返回值了,实验:
def func1(ret_num):
print "func1 ret:%d" % ret_num
return ret_num
def func2(ret_num):
print "func2 ret:%d" % ret_num
return ret_num
def func3():
print "func3 ret:100"
return 100
mt = MyThread()
g_func_list = []
g_func_list.append({"func":func1,"args":(1,)})
g_func_list.append({"func":func2,"args":(2,)})
g_func_list.append({"func":func3,"args":None})
mt.set_thread_func_list(g_func_list)
mt.start()
print "all thread ret : %d" % mt.ret_flag
最后的输出结果
func1 ret:1
func2 ret:2
func3 ret:100
all thread ret : 103
总结
以上所述是小编给大家介绍的python使用threading获取线程函数返回值的实现方法，希望对大家有所帮助
CDA大数据分析圈是国内第一个汇聚大数据全面资源、数据人必备的APP。CDA整合了近千个大数据相关专业网站及媒体来源，汇聚了数百场国内大数据活动与会议，数千名名技术大牛、行业领袖，以及总结了最系统的优质学习课程资源。在这里，你可每天接触到最新行业资讯、前沿技术干货等信息；你可参与CDA俱乐部活动、各类大型会议，亲身与大牛接触，获得实务经验。你也可在专业课堂上与国内顶尖讲师进行交流切磋，最有效规划自身大数据职业发展。
CDA大数据分析圈是数据人的家园，圈子里，资源流通，共享智慧，合作发展。CDA以“创新、开放、分享”的理念，期待你的加入!